STIRPAT模型的改進及其應用

林壽富，王善勇，Dora Marinova，趙定濤

（1.福建師范大學經濟學院，福州350007；2.中國科學技術大學管理學院，合肥230026；3.科廷理工大學可持續發展政策研究所，澳大利亞珀斯WA 6845）

0 引言

隨著中國二氧化碳排放的迅速增長，越來越多的研究轉向中國[1]，跨國的研究逐漸減少。Lin(2009)[2]、Cao(2016)[3]則用該模型分析環境壓力、生態足跡等的影響因素。更多研究可以參考Li(2015)[4]和Uddin(2013)[5]。但Uddin(2013)[5]指出，大多數STIRPAT研究都使用計量經濟學框架作為起點，然后通過簡單地添加或刪除變量來指定不同規模的模型。雖然York(2003)[6]指出，可以在基本的模型中加入其他變量，只要這些變量在概念上符合模型的乘法規范。但許多研究對自變量的選擇過于隨意，并沒有遵循“變量在概念上符合模型的乘法規范”原則，缺乏必要的理論支撐[7]。這將使實證結果的可信度下降，容易受到質疑，甚至對同一個被研究對象，也可能由于指標的不一樣，導致結果出現大的偏差。

鑒于此，本文將改進STIRPAT模型，并將全球93個國家分為四類，分別建立模型分析溫室氣體排放的影響因素，以更好地把握每類國家的排放特征和關鍵驅動要素。

1 STIRPAT模型的改進

Ehrlich和Holdren(1971)[8]首次提出IPAT模型將環境壓力分解為人口規模、財富水平和技術水平。后來Dietz和Rosa(1994)[9]提出IPAT模型的隨機形式即STIRPAT模型，標準形式如下：

等號兩邊取對數得到：

按照這個思路，本文對溫室氣體排放進行如下分解：

其中，GHG是溫室氣體排放量，P是總人口，GDP是國內生產總值，Pe是就業人口數量，Pur是城鎮人口數量，GDPind是工業增加值，E是能源消費量。

式（3）等號兩邊是平衡的，等號右邊為溫室氣體排放的主要驅動因素，即人口規模（P）、城鎮化水平（Urb）、城鎮就業水平（UrE）、財富水平（PGDP）、工業化水平（Ind）、技術水平（Lap）、溫室氣體排放強度（GHGI）、能源強度（EnI）、實體經濟的人口承載強度（PCI）。城鎮化水平用城鎮人口占總人口比重表示，城鎮就業水平用總就業人口與城鎮人口的比值表示，工業化水平用工業增加值占GDP比重表示，技術水平用全社會勞動生產率（即GDP除以總就業人口）表示，溫室氣體排放強度用溫室氣體排放總量除以能源消耗總量表示，能源強度用單位GDP能源消耗表示，實體經濟的人口承載強度用總人口除以工業增加值表示。

人口規模、財富水平、工業化水平、城鎮化水平、能源強度等對二氧化碳排放和溫室氣體排放的影響已經被廣泛證明。一些研究直接將能源強度作為技術水平的表征指標[2]，本文則用全社會勞動生產率來衡量技術水平，能更全面地反映一個國家技術水平狀況，而能源強度僅反映能源的綜合利用效率。此外，溫室氣體主要來源于能源的消耗，因此溫室氣體排放強度在許多研究里也被納入分析[4]，主要反映能源利用的排放效率。而城鎮就業水平、實體經濟的人口承載強度在有關研究中尚未出現。城鎮就業水平的準確計算應該是城鎮就業人口占城鎮人口的比重，但是由于缺少城鎮就業人口的數據，因此用總就業人口與城鎮人口的比值來衡量。但這個指標的值越大，城鎮就業水平就越低。原因在于這個指標的分母是城鎮人口，而1991—2015年各國城鎮化水平和城鎮人口迅速增長，總就業人口增長卻相對較慢，使得這個指標的值逐年下降，如圖1所示。實體經濟的人口承載強度體現了每單位的工業增加值需要承載的人口數量，值越大，說明承載的人口數量越大，對資源環境的壓力可能越大。這些分解得到的變量“在概念上符合模型的乘法規范”，可以加入模型。類似Dietz和Rosa(1997)的做法，將擴展后的IPAT模型變成隨機形式重構為擴展的STIRPAT模型，并取對數，得到式（4）：

圖1 1991—2015年不同類型國家城鎮就業水平(%)

2 樣本選取和數據來源

本文選擇樣本的原則是GDP超過1億美元（2015年現價）、總人口超過100萬，再綜合考慮數據的可獲得性，最終選擇了93個國家（按照世界銀行的標準，分為5個低收入國家、17個中低收入國家、31個中高收入國家和40個高收入國家），時間跨度為1991—2015年。樣本國家的溫室氣體排放量在1991年占全球的90.5%，2015年約占91.2%，基本能夠代表全球排放的情況。此外，本文將除高收入國家外的53個國家統稱為非高收入國家，而高收入國家與OECD國家高度重合，除9個國家外其余均是OECD國家①OECD共有35個國家，但93個國家中不包括冰島和以色列，因此最終OECD國家只有33個。。因此，鑒于OECD的國際影響力，本文只分析OECD的情況，不再分析高收入國家。非高收入國家數量較多，差別也較大，但低收入國家只有5個，數量太少，無法進行面板數據分析，為了保證分析結果的準確性，本文只分析中低收入國家和中高收入國家的情況。

總的來說，本文將建立5個模型分別對所有國家、53個非高收入國家、33個OECD國家、17個中低收入國家、31個中高收入國家進行分析。所有數據均來源于世界銀行數據庫。

3 實證分析

1991—2015年溫室氣體排放分析結果如表1所示。

表1 1991—2015年溫室氣體排放分析結果

除了城鎮化水平和工業化水平外，其他變量都通過了顯著性檢驗。城鎮就業水平和實體經濟的人口承載強度的系數是負的，雖然僅為-0.01左右，但意味著它們的增加將降低溫室氣體排放，當然，不同類型國家這兩個變量的作用也不一樣。全球溫室氣體排放的主要驅動因素是人口、溫室氣體排放強度、能源強度、財富水平、全社會勞動生產率。人均GDP和全社會勞動生產率都有正向影響，說明現階段各國的財富增長和全社會勞動生產率的提高在一定程度上仍然給環境造成了較大壓力。為什么全社會勞動生產率的提高會帶來排放的提高？本文認為這主要是由于OECD國家的作用掩蓋了非高收入國家的作用，使得它的系數為正。OECD國家的全社會勞動生產率已經比較高，2015年平均達到80522美元/人，是非高收入國家的2.9倍，它已經到達瓶頸，想再提高則比較困難，即使能夠提高也將付出較大的代價（即增加排放），因此它對排放的影響是正的。而非高收入國家的技術水平比較低，還有很大的提升空間，那么它的提高將降低排放，因此它的影響是負的，如模型2所示。

模型2中，除了工業化水平和全社會勞動生產率外，其余變量都是顯著的。系數為負的變量有3個，分別是城鎮就業水平、全社會勞動生產率、實體經濟的人口承載強度，意味著它們的影響是負的。其余變量的系數都為正，影響最大的人是口，以下依次是溫室氣體排放強度、能源強度、人均GDP、城鎮化水平、工業化水平。

模型3中，城鎮化水平、城鎮就業水平和實體經濟的人口承載強度不顯著，系數也是最小的，而其他變量都是顯著的。這說明對于經濟發展階段比較高的OECD國家來說，城鎮就業水平和實體經濟的人口承載強度都已經很低，想要進一步降低的難度很大，因此它們的影響很小。而人口、溫室氣體排放強度、能源強度、全社會勞動生產率的影響相對較大。

模型4中，工業化水平的系數是負的，這與其他模型都不一樣。另外，城鎮就業水平的系數也為負。這說明中低收入國家的工業化水平和城鎮就業水平相對較低，它們的提升將有利于排放的降低。其余變量的系數均為正，其中影響較大的是能源強度、溫室氣體排放強度、人口、人均GDP。

模型5中，中高收入國家的情況與非高收入國家的情況差不多，工業化水平和全社會勞動生產率不顯著，城鎮就業水平、全社會勞動生產率、實體經濟的人口承載強度的系數也是負的，但影響更加明顯。影響較大的也是人口、溫室氣體排放強度、能源強度、人均GDP。

綜上所述，不同類型國家表現出明顯差異，突出體現在城鎮就業水平、實體經濟的人口承載強度、全社會勞動生產率、工業化水平的影響上。同時，不管是哪種類型國家，人口、人均GDP、溫室氣體排放強度、能源強度都是影響排放的主要因素。

4 結論

本文改進了傳統的STIRPAT模型，將溫室氣體排放的主要驅動因素擴展為9個，并基于1991—2015年93個國家的面板數據，對全球溫室氣體排放的驅動要素進行實證分析發現：不管是哪種類型國家，人口、人均GDP、溫室氣體排放強度和能源強度都是影響溫室氣體排放的最重要因素；進一步提高城鎮就業水平將增加OECD國家的排放，但將降低其他類型國家的排放；進一步提高實體經濟的人口承載強度將降低中高收入國家和中低收入國家的排放，但是將增加OECD國家的排放；由于發展階段的不同，全社會勞動生產率的提高將極大地增加OECD國家的排放，卻將降低非高收入國家的溫室氣體排放；工業化水平的提高有助于中低收入國家減少排放，但將增加中高收入國家和OECD國家的排放。因此，不同類型國家的溫室氣體排放的驅動要素并不完全相同，應該要根據它們自身的情況選擇適合自身的發展策略，這樣才能更好地控制排放。